ChatGPT, IA generativa, RPA, Codex.
En pocos años, las herramientas para automatizar el trabajo se han multiplicado.
La IA puede redactar un borrador de tus textos. Puedes pedirle a la IA que te haga las sumas y los resúmenes de Excel. Con RPA (robots de software que repiten los clics y la escritura que haría una persona en el ordenador) puedes automatizar operaciones en pantalla y el copiado de datos de un sitio a otro. Con una IA que ejecuta tareas de verdad, como Codex, puedes sacar adelante de golpe un montón de trabajo: artículos, páginas de aterrizaje, código, documentos, procesamiento de datos e incluso propuestas de mejora.
Y sin embargo, si miras cómo se trabaja en la práctica, todavía quedan tareas como estas.
- Abrir Excel
- Copiar
- Pegar
- Revisar a ojo
- Pasarlo a mano a otro sistema
- Volver a comprobar que no haya errores
- Confirmarlo otra vez en una reunión
- Recibir una petición de corrección y volver a arreglarlo a mano
Esto es, ni más ni menos, trabajo con lanzas de bambú en plena era de la IA. (En Japón, la expresión viene del final de la guerra, cuando se instruía a los civiles para enfrentarse a armas modernas con palos de bambú afilados: mucho esfuerzo, herramienta equivocada.)
Por supuesto, Excel en sí no es el problema. De hecho, Excel es potente. Como hoja de cálculo, para sumar y resumir, como base de datos improvisada, para formularios, gráficos, listas de verificación, tablas de control y como refugio temporal de cada oficina, sigue siendo excelente.
El problema no es usar Excel.
El problema es seguir haciendo con las manos, a ojo, a base de aguante y de reuniones de confirmación lo que Excel podría hacer por ti.
Si miras las cifras de uso, seguimos en una fase bastante temprana
Quizá pienses: «¿Pero no usa ya todo el mundo IA y RPA?».
Es cierto que el conocimiento de ChatGPT es altísimo. Según Reuters, Sensor Tower estima que la aplicación de ChatGPT llegó en mayo de 2026 a 1000 millones de usuarios activos mensuales en todo el mundo.
En cambio, quienes logran pasar a la IA y a la automatización la parte de ejecutar el trabajo siguen siendo muy pocos.
Según Axios, Codex de OpenAI superó los 5 millones de usuarios activos semanales en junio de 2026. De ellos, alrededor de una quinta parte serían trabajadores del conocimiento.
Es una herramienta de IA que ejecuta tareas, disponible en todo el mundo, y apenas pasa de 5 millones de usuarios por semana. Son menos personas que la población de la prefectura de Aichi, la región de Toyota en el centro de Japón.
Comparado con los 1000 millones mensuales de la app de ChatGPT, los poco más de 5 millones semanales de Codex son una cifra pequeña.
Es decir, hay esta brecha:
- Más gente le hace preguntas a la IA
- Más gente le pide que pula sus textos
- Pero todavía pocos le entregan trabajo de verdad
- Y aún menos saben entregárselo en trozos lo bastante claros como para que lo ejecute
Ahí hay un gran espacio de negocio.
La adopción de RPA tampoco es alta, ni de lejos
Con el RPA pasa lo mismo.
El RPA es una forma de que robots de software hagan las tareas rutinarias que las personas hacen en el ordenador. Introducir datos, copiarlos de un sitio a otro, sumar, verificar, preparar formularios, trabajos que cruzan varios sistemas: encaja muy bien con el trabajo manual en Excel.
Pero en la encuesta de 2024 de Startear Raise, la tasa de adopción de RPA en el conjunto de las empresas japonesas fue del 13.04 %. En las pymes fue del 8.51 %, y hasta en las grandes empresas se quedó en el 27.69 %.
O sea, la mayoría de las empresas japonesas todavía no ha adoptado RPA.
La misma encuesta preguntó por los problemas antes de adoptarlo: el n.º 1 fue «hay demasiado trabajo manual (introducir, copiar, registrar datos…)» y el n.º 2, «hay demasiados errores por el trabajo manual».
Es bastante revelador.
En el día a día hay mucho trabajo manual. Hay muchos errores. Falta personal. Y aun así, la adopción de RPA ronda solo el 13 %.
Es decir, existe la demanda («tenemos tanto trabajo manual que queremos automatizar»), pero en la práctica muchas empresas siguen estancadas en lo manual.
Los errores de los novatos se arreglan con diseño del sistema, no con reproches
Esto está relacionado con la formación de los nuevos.
En el trabajo pasan cosas como estas a todas horas:
- Un novato introduce mal un dato
- Un novato se equivoca con el nombre de un archivo
- Un novato guarda el archivo en el sitio equivocado
- Un novato se salta un punto de la revisión
- Un novato usa una plantilla antigua
- Un novato confunde una fecha límite o a quién hay que pedirle algo
Y los de alrededor dicen:
«Los novatos cometen muchos errores». «Revisa bien las cosas». «Ya te lo dije antes». «¿Por qué cometes siempre el mismo error?».
Pero lo que hay que mirar aquí no es solo el carácter o la atención del novato.
Lo que de verdad hay que mirar es si la estructura del trabajo hace que equivocarse sea muy fácil.
Un novato todavía no conoce el trasfondo del trabajo. No conoce las reglas no escritas. No conoce las manías de quien estaba antes. No sabe por qué se mira esa columna, por qué el archivo se llama así ni por qué hace falta esa comprobación.
Si lo lanzas a escribir texto libre, revisar a ojo, recibir explicaciones de palabra, copiar a mano y a controles que dependen de una persona concreta, es lógico que cometa errores.
En vez de regañarlo cada vez, es mejor montar desde el principio un sistema donde los errores sean difíciles.
Por ejemplo, cambios como estos marcan mucha diferencia:
- Usar listas desplegables en lugar de escribir a mano
- Usar opciones en lugar de texto libre
- Poner reglas de validación a fechas e importes
- Mostrar un aviso si un campo obligatorio está vacío
- Generar los nombres de archivo automáticamente
- Fijar el lugar donde se guarda
- Impedir que se use una plantilla antigua
- Comprobar automáticamente si lo introducido se contradice
- Mostrar solo la lista de posibles errores
- Mostrar una pantalla de confirmación antes de enviar
- Guardar un registro de cuándo se terminó el trabajo
- Convertir los errores más comunes en una lista de comprobación
No se trata de mimar a los novatos.
Se trata de incorporar al sistema lo que habría que enseñar.
En lugar de decirle a alguien «ten cuidado», es más rápido crear un camino donde los errores sean improbables, con las reglas de validación de Excel, VBA (el lenguaje de macros integrado en Excel), RPA, formularios, listas de comprobación y revisión con IA.
Y además, así es más fácil para el novato.
No lo regañan cada vez. Quien lo forma no tiene que repetir siempre el mismo aviso. Los jefes tienen menos trabajo de limpieza después de cada error.
Por eso, convertir la prevención de errores en un sistema no es solo cuestión de eficiencia.
Es un diseño de seguridad que reduce el desgaste mental tanto del novato como de quien enseña.
Si dices que «los novatos cometen demasiados errores», lo primero que hay que revisar no es su personalidad.
Es si ese trabajo está diseñado como una lanza de bambú que invita a equivocarse.
También la IA generativa sigue estancada a nivel de empresa
Con la IA generativa también hay un desfase entre cómo la sienten los individuos y cuánto la han adoptado realmente las empresas.
En una encuesta de Nikkei Research que Reuters recogió en julio de 2024, alrededor del 24 % de las empresas japonesas ya había adoptado IA, el 35 % pensaba hacerlo y el 41 % no tenía planes.
Es decir, por mucho que la IA salga en las noticias, a nivel de empresa solo una de cada cuatro la ha adoptado. Cerca del 40 % respondió que no piensa usarla.
Aquí también se repite el mismo patrón.
Es un tema de moda. Pero no ha entrado en el trabajo diario.
Se piensa que es útil. Pero no se ha integrado en los flujos de trabajo.
Cada vez más gente ha probado ChatGPT, pero todavía son pocos los que dividen de verdad su trabajo en pasos y se lo pasan a la IA, al RPA, a VBA o a Codex.
Entonces, ¿por qué todo el mundo sigue con Excel a mano?
No es simplemente porque la gente sea perezosa.
Hay cinco razones principales.
1. No saben descomponer el trabajo
Para automatizar algo, primero hay que descomponer el trabajo en pasos.
Por ejemplo, para automatizar el copiado de datos entre archivos de Excel habría que decidir cosas como estas:
- ¿Dónde están los datos de entrada?
- ¿Adónde van los datos de salida?
- ¿Qué columna va a qué columna?
- ¿Cuáles son los casos excepcionales?
- Cuando hay un error, ¿se detiene o solo se anota en un registro?
- ¿Qué parte revisa una persona al final?
Sin ese orden previo, no hay forma de poner a trabajar a VBA, a RPA ni a la IA.
Mucha gente sabe hacer el trabajo en sí. Pero le cuesta darle estructura y entregárselo a una máquina en un formato que pueda usar.
Y se queda atascada ahí.
2. El trabajo depende de personas concretas
El trabajo manual en Excel casi siempre acaba dependiendo de una sola persona.
«Eso lo hace fulano». «Lo heredé de quien estaba antes». «Mejor no toques esa celda». «No sé por qué la fórmula es así». «Cada mes lo hacemos así, más o menos».
Cuando se llega a esto, antes de automatizar ni siquiera se entiende qué sentido tiene el trabajo.
Si metes RPA sin entender el sentido del trabajo, solo consigues una versión más rápida de una tarea misteriosa.
Automatizar no es sustituir el trabajo por una máquina. Primero hay que hacer visible qué sentido tiene el trabajo.
3. Hay pocas personas que sepan usar VBA o RPA
Hay muchos que manejan las funciones de Excel, pero en cuanto se llega a VBA y las macros, el número se desploma.
No encontré datos públicos fiables sobre cuánta gente usa VBA. Pero por lo que se ve en el día a día, mucha gente sabe usar Excel y muy pocos son capaces de montar procesos de trabajo con VBA.
Además, aunque haya alguien que sepa usar VBA, el trabajo tiende a concentrarse en esa persona.
El resultado es este:
- Hay mucho trabajo manual
- Pocas personas saben automatizar
- Todas las peticiones van a quienes saben
- Esas personas se convierten en el chico de los recados de la oficina
- Nadie más puede mantener lo que hicieron
- Al final, todos vuelven a hacerlo a mano
Es un zoo lleno de agujeros. (Es mi apodo para una oficina falta de personal y parcheada por todos lados.)
4. Usan la IA solo como alguien a quien consultar
Incluso quien usa ChatGPT suele seguir usándolo sobre todo para consultar cosas.
- Corrígeme este texto
- Hazme un resumen
- Dame ideas
- Escríbeme un correo
Eso también es útil.
Pero si te quedas aquí, la IA acaba siendo un bloc de notas muy cómodo.
Lo realmente potente viene después.
- Descomponer el trabajo en pasos
- Convertirlo en requisitos
- Escribirlo en Markdown (un formato de texto plano sencillo)
- Pasárselo a Codex
- Subirlo a GitHub (un sitio donde se guarda y se comparte código)
- Reflejarlo en páginas de aterrizaje, artículos y aplicaciones
- Convertirlo en un script de automatización
- Incluso crear los puntos de prueba
No se trata de preguntarle a la IA, sino de entregarle trabajo.
Todavía son pocos los que han llegado a esta etapa.
5. Las empresas le tienen miedo al riesgo
Cuando una empresa usa IA o RPA, hay riesgos reales.
- Datos personales
- Información confidencial
- Control de permisos
- Resultados erróneos
- Quién responde de qué
- Seguridad
- Resistencia de la gente sobre el terreno
- Encaje con el trabajo existente
Con todo esto, es normal que las empresas sean prudentes.
Pero ser prudente no es lo mismo que no hacer nada.
No introducir datos personales. Procesar en local. Probar con datos ficticios. Mantener una revisión humana. No usar el resultado tal cual. Guardar registros.
Si organizas así el funcionamiento, puedes empezar en pequeño sin implantarlo en toda la empresa desde el primer día.
El problema es cuando el miedo termina en «lo prohibimos todo». Si se hace eso, la gente sobre el terreno se queda para siempre con el Excel manual.
La economía del Excel manual va a seguir un tiempo
Con todo lo visto, es muy probable que el trabajo manual en Excel siga presente en las empresas durante bastante tiempo.
Los motivos son sencillos:
- La adopción de RPA ronda el 13 % en el conjunto de las empresas japonesas
- En las pymes está por debajo del 10 %
- En IA generativa, solo una de cada cuatro empresas la ha adoptado
- Codex tiene apenas algo más de 5 millones de usuarios semanales en todo el mundo
- Son pocos los que saben manejar VBA o RPA
- Y aún menos los que saben descomponer el trabajo y entregárselo a la IA
En otras palabras, el mundo todavía no ha entrado del todo en la «era en que la IA ejecuta el trabajo».
En las noticias, la IA es asombrosa. En las redes sociales no paran de circular historias sobre cómo usarla. Pero en el terreno todavía hay copiar y pegar, volver a teclear datos, revisar a ojo y confirmar en reuniones.
Esto no es una visión pesimista. Al contrario, es una oportunidad.
Lo que va a valer son los «fontaneros del trabajo»
Lo que cobra valor en la era de la IA no es simplemente quien conoce la IA.
Lo que cobra valor es quien sabe convertir el trabajo en algo que se pueda entregar a la IA, al RPA, a VBA y a Codex.
Es decir, un fontanero del trabajo.
En el día a día hay un montón de tareas sueltas. Hay Excel. Hay correos. Hay PDF. Hay notas escritas a mano. Hay reuniones. Hay conocimiento tácito que solo está en la cabeza de ciertas personas.
Todo eso se transforma en lo siguiente:
- El objetivo de la tarea
- La información de entrada
- El formato de salida
- Los criterios de decisión
- El tratamiento de las excepciones
- La forma de revisar
- Lo que se puede automatizar
- Lo que mira una persona
- Las instrucciones que se entregan a Codex o al RPA
Quien sabe llegar a este nivel de detalle tiene mucha fuerza.
El trabajo en la era de la IA está pasando de «la persona que lo hace todo a mano» a «la persona que diseña el trabajo para poder entregárselo a la IA».
«Poder entregar el trabajo» vale más que «saber usar IA»
Lo que marcará la diferencia a partir de ahora no es si has usado IA.
Cada vez habrá más gente que haya usado IA. Cada vez habrá más gente que haya probado ChatGPT. Generar textos o hacer resúmenes lo sabrán hacer muchos.
Pero todavía son pocos los que saben hacer esto:
- Descomponer su propio trabajo en pasos
- Elegir las tareas manuales como candidatas a automatizar
- Decidir qué columnas de Excel usar
- Definir cómo tratar las excepciones
- Escribir el Markdown que se le entrega a la IA
- Darle a Codex las condiciones para dar el trabajo por terminado
- Reflejar el resultado en páginas de aterrizaje, artículos y aplicaciones
- Mirar los resultados y mejorar
Aquí es donde se abre la brecha.
Así que la ventaja de ahora en adelante no está en los «usuarios de IA», sino en los «diseñadores de cómo la IA ejecuta el trabajo».
Qué tareas manuales mirar primero
Entonces, ¿por dónde empezar a automatizar?
Lo primero que hay que mirar son tareas como estas:
1. Tareas que repites cada mes, cada semana o cada día
Cuanto más seguido se repite una tarea, mayor es el beneficio de automatizarla.
Aunque sea una hora al mes, son 12 horas al año. Si lo hacen varias personas, la suma es aún mayor.
2. Tareas con mucho copiar y pegar
Copiar y pegar es un candidato claro a automatizar. Tiene poco sentido que lo haga una persona.
Eso sí, si hay muchos casos que requieren juicio, empieza por una automatización parcial en vez de una totalmente automática.
3. Tareas con mucha revisión a ojo
Revisar a ojo cansa. Y se cuelan errores.
Si las condiciones de revisión son claras, puedes reducirlo mucho con funciones de Excel, VBA, Python, IA o RPA.
4. Tareas que se confirman en cada reunión
Lo que se confirma en cada reunión muy probablemente se pueda convertir de antemano en una tabla o lista de comprobación.
Solo con pasar de «preguntarlo en la reunión» a «que lo rellenen antes» se gana mucha eficiencia.
5. Tareas que solo entendía la persona anterior
El trabajo que solo entendía quien estaba antes es peligroso.
Primero, déjalo por escrito como procedimiento estándar. Después, busca las partes que se pueden automatizar.
Automatizar sin estandarizar es arriesgado. Solo acelerarías un trabajo que nadie entiende.
6. Tareas en las que los novatos se equivocan a menudo
Las tareas en las que los novatos se equivocan a menudo deberían tener prioridad para automatizar y estandarizar.
Porque casi siempre hay detrás algo de esto:
- Las reglas son conocimiento no escrito
- Los campos de entrada son demasiado libres
- Los criterios de decisión no están redactados
- El tratamiento de las excepciones depende de la memoria de la gente
- Hay demasiados puntos de revisión
- Solo te enteras del error después de cometerlo
Esto es menos un problema del novato que del diseño del trabajo.
Donde se equivoca un novato, un veterano también se equivocará cuando esté cansado. Donde se atasca un novato, también se atascará un traspaso de funciones. Lo que un novato no puede entender tampoco se ha plasmado en un procedimiento estándar.
Por eso, los errores de los novatos son valiosos registros de depuración. (Un registro de depuración es lo que leen los programadores para encontrar dónde falla un programa.)
En vez de ver «se ha vuelto a equivocar», míralo como «aquí se le pide demasiada atención a la gente».
Solo con adoptar esa mirada, formar a alguien resulta mucho más fácil.
Pequeños pasos para salir del trabajo con lanzas de bambú
No hace falta lanzar de golpe una transformación digital de toda la empresa.
Basta con empezar en pequeño.
Paso 1: elige una tarea manual
Elige una tarea de Excel que hagas cada mes. Copiar datos, sumar, revisar, comprobar nombres de archivo o hacer una lista de PDF sirve.
Paso 2: escribe los pasos con palabras
Escribe los pasos como si se los explicaras a otra persona.
- Qué archivo abres
- Qué columnas miras
- Con qué condiciones decides
- Dónde pones el resultado
- Qué haces con las excepciones
Paso 3: pregúntale a la IA qué partes se pueden automatizar
Pregúntale algo así a ChatGPT o a otra IA:
De los pasos de esta tarea, separa las partes que se pueden automatizar con funciones de Excel, VBA, RPA, Python o IA generativa. No hace falta que sea una automatización total; con una parcial basta. Propónmelas empezando por las de menor riesgo.
Paso 4: empieza con una automatización parcial
No vayas a una automatización total desde el principio.
Primero, haz una hoja de comprobación. Muestra solo los posibles errores. Suma todo con un solo botón. Automatiza solo la revisión previa al copiado de datos.
Con eso basta.
Paso 5: cuando funcione, conviértelo en plantilla
Cuando tengas una cosa funcionando, conviértela en plantilla.
- Manual de procedimiento
- Lista de comprobación
- Código VBA
- Escenario de RPA
- Prompt para la IA
- Markdown para pasarle a Codex
Si dejas todo esto guardado, tu trabajo personal se convierte en un activo.
Cuidado con acabar de chico de los recados en la empresa
Una advertencia, eso sí: quien sabe automatizar dentro de una empresa debe tener cuidado.
Cuanto más ves, más te hacen cargar con cosas. Cuanto más sabes construir, más te echan a la espalda. Cuanto más sabes mejorar, más te conviertes en el chico de los recados.
Esto pasa mucho en el zoo lleno de agujeros.
La empresa no pone el tiempo para estandarizar, ni un responsable, ni reconocimiento en las evaluaciones, ni un sistema de mantenimiento, y deja que las mejoras las absorban solo los individuos capaces.
El resultado es que quienes saben mejorar las cosas se queman.
Por eso, cuando propongas una mejora en tu empresa, tienes que presentar estos cuatro puntos juntos:
- Quién decide
- Quién lo opera
- Quién lo mantiene
- Hasta dónde llega tu parte
Si mejoras cosas dejando esto en el aire, tu buena voluntad se desgasta.
En la empresa, gasta lo mínimo. En tus propios activos, ponte a tope.
Esta separación es lo importante.
Resumen: mientras todos hacen Excel a mano, construye las tuberías
La IA ya es asombrosa. Existe el RPA. Existe VBA. Existe Codex.
Pero si miras las cifras de uso, todavía son pocos los que han logrado pasar a otros la parte de ejecutar el trabajo.
La app de ChatGPT se ha extendido hasta una escala de 1000 millones de usuarios mensuales. Mientras tanto, Codex tiene poco más de 5 millones de usuarios semanales. La adopción de RPA es del 13.04 % en el conjunto de las empresas japonesas. Alrededor del 24 % de las empresas japonesas ha adoptado IA.
Es decir, el mundo todavía no ha cambiado del todo.
En muchos lugares de trabajo se sigue abriendo Excel, copiando y pegando, revisando a ojo y confirmando en reuniones.
Eso es ir atrasado. Pero también es una oportunidad.
Lo que valdrá a partir de ahora no es quien se limita a trastear con la IA. Es quien descompone el trabajo y lo deja en una forma que se pueda entregar a la IA, al RPA, a VBA y a Codex.
Mientras todos hacen Excel a mano, nosotros construimos las tuberías.
Mientras la reunión de monos copia y pega, nosotros hacemos correr el Markdown entre bastidores. (La «reunión de monos» es mi broma para una reunión sin sentido donde todos copian y pegan a mano.) Mientras dure la economía del Excel manual, construimos la fábrica de ejecución con IA.
Esa es la jugada ganadora ahora mismo.
